Grundlagen der Bildverarbeitung Klaus D. Tönnies
|
|
- Franka Berger
- vor 6 Jahren
- Abrufe
Transkript
1
2 Grundlagen der Bildverarbeitung Klaus D. Tönnies ein Imprint von Pearson Education München Boston San Francisco Harlow, England Don Mills, Ontario Sydney Mexico City Madrid Amsterdam
3 5. Rückgewinnung der Tiefeninformation verwendet werden. Soll Tiefe durch ein Stereo-Vision-Verfahren bestimmt werden, so gibt es keinen Signalgeber, sondern eine zweite Kamera (siehe Abbildung 5.2). Identifiziert man in den beiden Bildern den gleichen Punkt, so hat man wieder zwei Linien eines Dreiecks, an dessen Spitze der gesuchte Punkt liegt. Für ein Tiefenberechnungsverfahren aus Bewegung ist die Triangulation etwas komplizierter, weil sich die Form des Dreiecks aus der Verschiebung eines Punktes nach einer beliebigen, aber bekannten Bewegung zusammensetzt. Das Problem der Identifikation der Abbildung desselben Punktes in zwei oder mehreren Bildern, das in beiden Fällen zu lösen ist, wird Korrespondenzproblem genannt. Bei Active-Vision-Verfahren tritt es nicht auf, weil dort die Identifikation durch die vorab bekannte Art des abgegebenen Signals eindeutig ist. zu berechnendes Dreieck Punkt im 3-D-Raum linkes Bild Stereobildpaar rechtes Bild Kamera Kamera 2 Abbildung 5.2: Beim Stereo-Vision-Versuch erfolgt die Triangulation durch Schnitt von zwei Projektionslinien von der Kamera in die Szene (Bilder von P. Engelhard, C. Rost und M. Wikert). Verfahren der zweiten Gruppe sind weniger verbreitet. Ein bekannter Ansatz ist Shape-from-Shading. Information über die Objektform wird aus der Invertierung eines Beleuchtungsmodells gewonnen. Da das Beleuchtungsmodell beschreibt, wie einfallendes Licht in Abhängigkeit von der Oberflächennormalen reflektiert wird, kann man bei bekanntem Beleuchtungsmodell aus der Helligkeit an jedem Punkt auf dessen Normalenrichtung schließen. Leider ist das Problem unterbestimmt, da nur der Winkel zwischen Lichtquelle und Normale, nicht aber die Normalenrichtung selbst berechnet werden kann. Zudem setzt die Berechnung ein exakt fotometrisch kalibriertes Kamerasystem und ein genau bekanntes Beleuchtungsmodell voraus. Ersteres lässt sich mit genügend technischem Aufwand erreichen, doch das Beleuchtungsmodell kann im Allgemeinen nur annähernd bestimmt werden. Zusammen mit der Mehrdeutigkeit der Lösung führt dies dazu, dass die Resultate im Vergleich zu anderen Tiefenberechnungsverfahren oft unbefriedigend sind. Ein anderer Vertreter der zweiten Gruppe ist das so genannte Shape-from-Texture- Verfahren. Diesem liegt eine ähnliche Annahme zugrunde, die sich allerdings nicht auf die Beleuchtung, sondern auf die Textur bezieht. Textur ist eine Eigenschaft, die sich 05
4 5 RÜCKGEWINNUNG UND RESTAURATION VON INFORMATION aus der Abbildung der Musterung einer Objektoberfläche ergibt. Ist ein Objekt gleichmäßig texturiert und weist die Textur eine bestimmte Grundfrequenz auf (z.b. eine bekannte Anzahl von Linien pro Millimeter), dann kann man aus der Veränderung der projizierten Frequenz auf den Winkel zwischen Projektionsrichtung und Oberflächennormalenrichtung schließen. Mit zusätzlichen Glattheitsannahmen kann, wie bei Shape-from-Shading, aus dem Winkel auf eine Normalenrichtung geschlossen werden. Von allen Methoden ist ein Active-Vision-Verfahren am einfachsten zu erläutern, weil das Korrespondenzproblem nicht existiert. Diese Methode soll nachfolgend beschrieben werden. Im einfachsten Fall wirft ein Signalgeber S, dessen Position relativ zur Kamera bekannt ist, einen Lichtstrahl auf die Szene, so dass dieser an einem einzigen Punkt reflektiert wird (siehe Abbildung 5.3). Das Signal muss hell genug sein, um den beleuchteten Ort leicht identifizierbar zu machen. Hat dieser Ort die maximale Helligkeit f max, dann muss nur nach Koordinaten (m p,n p ) mit f(m p,n p ) = f max gesucht werden. beleuchteter Punkt auf der Oberfläche Objekt Signalgeber S Abstand b optische Achse Linse Kamera Abbildung 5.3: Active-Vision-Versuch mit strukturiertem Licht: Ein Signalgeber mit bekannter Position zur Kamera projiziert einen Lichtpunkt auf die Objektoberfläche. Damit eine Kalibrierung der Kamera in Bezug auf ein von der Kamera unabhängiges Weltkoordinatensystem nicht benötigt wird, nehmen wir an, dass beide Koordinatensysteme identisch sind. Der Ursprung des Kamerakoordinatensystems ist der Linsenmittelpunkt, X- und Y-Achse des Systems verlaufen parallel zur X- und Y-Achse des Bildes. Die Z-Achse ist die optische Achse des Aufnahmesystems und verläuft senkrecht zum Bild durch den Linsenmittelpunkt. Der Abstand zwischen Linsenmittelpunkt L und Bild sei f. Der Einfachheit halber nehmen wir an, dass der Koordinatenursprung des Bildkoordinatensystems in Kamerakoordinaten an der Stelle (0,0, f) liegt, d.h. es gibt positive und negative Bildkoordinaten. Die üblichen Bildkoordinaten (die ihren Ursprung in der Regel oben oder unten links im Bild haben) können leicht durch eine entsprechende Translation in diese Koordinaten überführt werden. Der Signalgeber S befindet sich am Punkt (b,0,0) des Kamerakoordinatensystems, also im Abstand b auf der X-Achse (siehe Abbildung 5.4). Das Signal soll im Winkel α zur optischen Achse abgestrahlt werden. Aus diesem Winkel kann man zwei Winkel α x zwischen der in die XZ-Ebene projizierten Signalrichtung und optischer Achse und α y zwischen Signalrichtung und XZ-Ebene berechnen. Aus den Bildkoordinaten (m p,n p ) mit diskretem Wertebereich seien reelle Weltkoordinaten (x p,y p, f) berechnet worden, indem die tatsächliche Größe eines Pixels in Millimetern für die Skalierung verwendet worden sei. 06
5 5. Rückgewinnung der Tiefeninformation Abbildung in der Kamera Signalgeber S Objekt X x Bildfläche f L Linse Abbildung 5.4: Berechnung der zu bestimmenden Dreiecksseite d. Das Dreieck ist durch die Seite b und die Winkel α und β eindeutig bestimmt. Nun wollen wir den Abstand eines Punktes P zunächst unter der Einschränkung berechnen, dass er auf einen Ort (x p,0, f) abgebildet wurde. Dazu müssen wir ein Dreieck bestimmen, dessen Eckpunkte der Punkt P, der Linsenmittelpunkt und die Position des Signalgebers sind. Die erste Seite dieses Dreiecks ist die Linie (0,0,0) (0,0,b) zwischen Linse und Signalgeber. Der erste Winkel ist damit π/2 α x. Da der Punkt auf (x p,0, f) abgebildet wird, muss α y = 0 sein und damit ist α x = α. Der noch fehlende Winkel β ist durch den Winkel zwischen der Linie vom Linsenmittelpunkt zum gesuchten Punkt P und der X-Achse gegeben. Dieser Winkel findet sich ein zweites Mal als Winkel in einem Dreieck aus (x p,0, f), (0,0,0) und (0,0, f). In diesem rechtwinkligen Dreieck sind alle Eckpunkte bekannt und man sieht, dass tan β = f/x p ist. Damit ist das Dreieck vollständig bestimmt und die Koordinaten von P können berechnet werden. Dazu wird zunächst der Abstand d zwischen P und dem Punkt (0,0,0) bestimmt. Folgende Festlegungen werden gemacht: Der dritte, unbekannte Winkel zwischen den Seiten ( P, L ) und ( P, S ) sei γ. Wir definieren eine Linie der Länge h von L senkrecht auf die Seite ( P, S ), die das Dreieck in zwei rechtwinklige Dreiecke teilt. Für die Länge h gelten nun aus diesen beiden Dreiecken die folgenden Beziehungen (siehe Abbildung 5.4): h= d sin γ= b sin α. Z Durch Gleichsetzung erhält man einen Ausdruck für die gesuchte Seite d: sin α d= b sin γ Da aber α + β + γ =π und sin(π α β) = sin(α + β) sind, ergibt sich schließlich b Kamera L h d P sin α d= b sin ( α+β). Wenn d bekannt ist, können die Koordinaten von berechnet werden: P= d cos β 0 d sin β. ( ) P im Kamerakoordinatensystem 07
6 5 RÜCKGEWINNUNG UND RESTAURATION VON INFORMATION Falls P nicht in der XZ-Ebene liegt, wird er auf einen Punkt (x p,y p, f) abgebildet. Dann wird zunächst die gleiche Berechnung für einen in die XZ-Ebene projizierten Punkt P durchgeführt, dessen Abbild (x p,0, f) wäre. Der Winkel β wird wieder basierend auf der Position (x p,0, f) als β = tan (f/x p ) berechnet. Der erste Winkel muss jetzt der Winkel α x sein. Von P weiß man, dass er der in die XZ-Ebene projizierte Punkt P ist. Also sind X- und Z-Koordinate von P und P gleich. Die Y-Koordinate ergibt sich schließlich aus der Anwendung der Strahlensätze. Danach ist y p Y d = Y = y p. f d f Diese Berechnung ist einfach und beruht nur auf der Anwendung bekannter Gesetze der Geometrie. Fehler sind hauptsächlich wegen einer falschen Lagebestimmung der Kamera relativ zum Signalgeber und wegen Abweichungen von der Projektionsgeometrie zu erwarten. Die Positionierung der Kamera wird in der Regel nicht mechanisch sichergestellt, sondern beruht auf der Kalibrierung des Systems anhand eines Kalibrierobjekts mit bekannter Position und Ausdehnung. Abweichungen von der Projektionsgeometrie stammen von Linsenverzerrungen, die ebenfalls durch Kalibrierung bestimmt und invertiert werden müssen. Eine exakte Kamerakalibrierung ist daher eine wichtige Voraussetzung für exakte Tiefenrekonstruktion. Diese Verfahren sind allerdings nicht trivial und ihre Behandlung gehört nicht in einen Einführungstext. Der Leser sei auf die entsprechende Fachliteratur verwiesen (z.b. Computer Vision A Modern Approach [Forsyth 2003]). Das genannte Verfahren ist langsam, wenn mehr als eine Tiefenbestimmung erforderlich ist. Für jeden Punkt P muss ein neues Bild erzeugt werden, so dass der Aufwand für die Erzeugung einer Tiefenkarte von z.b Punkten wesentlich durch den Aufwand zur Aufnahme der ca Bilder verursacht wird. Durch die Projektion von senkrechten Streifen anstelle von Lichtpunkten lässt sich diese Anzahl auf 52 Bilder verringern. Da Lichtpunkte mit unterschiedlichem Y-Wert in Kamerakoordinaten auf unterschiedliche Orte im Bild abgebildet werden (wegen y p = (f/d)y), besteht keine Verwechslungsgefahr. Objekt mit projiziertem Muster Bild Bild Streifenlichtmuster Abbildung 5.5: Bei einer codierten Streifenlichtprojektion wird eine Folge von unterschiedlichen Streifenmustern auf das Objekt projiziert. Die Hell-Dunkel-Folge über alle Bilder ordnet jedes Pixel eindeutig einem Streifen zu. 08
7 5.2 Reduktion von Abtastfehlern Der Aufwand kann weiter verringert werden, wenn die Signale entlang der X-Achse codiert werden. Statt eines schmalen (ideal linienförmigen) Streifens wird zunächst ein Streifen der Breite K/2 Pixel projiziert, wobei K die Breite der Aufnahme ist (siehe Abbildung 5.5). Damit kann zwischen zwei Bereichen beleuchtet () und unbeleuchtet (0) unterschieden werden. Allerdings ist die Positionsbestimmung in X-Richtung mit ±K/2 sehr ungenau. Deshalb wird ein zweites Bild mit Streifenbreite K/4 erzeugt. Die Abfolge der Streifen ist hier 00. Aus dem zweiten Bild allein lässt sich nicht entnehmen, ob ein beleuchteter Streifen der erste oder der dritte Streifen ist. Zusammen mit dem ersten Bild ergeben sich jedoch vier verschiedene Codes (, 0, 0, 00), die jeden der vier Streifen eindeutig identifizieren. Diese Codierung kann so lange fortgesetzt werden, bis die Streifenbreite genügend schmal ist. Wäre K/52 die Zielgröße, dann bräuchte man nun anstelle von 52 Bildern nur noch log 2 52 = 9 Bilder. Das Verfahren heißt Active Vision durch strukturiertes Licht. Für die Verarbeitung werden p Bilder mit unterschiedlicher Streifenbreite aufgenommen. In jedem Bild wird entschieden, welche Pixel beleuchtet und welche unbeleuchtet waren. Anschließend wird für jedes Pixel die beleuchtet-unbeleuchtet -Folge bestimmt. Aus dieser ergibt sich direkt die Streifennummer einer Folge von Streifen der Breite K/2 p. 5.2 Reduktion von Abtastfehlern Wenn eine potentiell beliebig fein aufgelöste Szene durch eine digitale Kamera aufgenommen wird, dann geht durch die Abtastung Information zwischen den Pixeln verloren. Wichtigstes Ziel für die weitere Verarbeitung ist es, wahrnehmbare Verfälschungen durch den Informationsverlust zu verhindern. Für manche Zwecke ist es auch notwendig, die verloren gegangene Information zu ergänzen. Das ist z.b. nach manchen geometrischen Transformationen die auf einem reellen Definitionsbereich definiert sind der Fall Aliasing und Anti-Aliasing-Methoden In Abschnitt 3..2 wurde Abtastung durch eine Multiplikation der Bildfunktion mit einer Impulsfolge modelliert. Nach Abtastung z.b. durch einen Flachbettscanner wird man ein Phänomen bemerken, das Moiré-Muster genannt wird (siehe Abbildung 5.6). Im abgetasteten Bild wurde Information offenbar nicht nur reduziert, sondern auch verfälscht. Den gleichen Effekt kann man auch bei Kameraaufnahmen beobachten. In Fernsehaufnahmen von sehr kleinteiligen Mustern z.b. der Musterung eines Anzugs können ebenfalls Moiré-Effekte wahrgenommen werden. Die Muster ändern sich mit der Bewegung des Objekts. Das gibt einen ersten Hinweis auf die mögliche Ursache. Die relative Änderung bei einem bewegten Objekt bedeutet, dass der Moiré-Effekt durch Abtastung verursacht worden sein muss. Da der Effekt nur bei kleinteiligen, also hochfrequenten Anteilen auftritt, wird die Betrachtung des Abtastvorgangs im Frequenzraum hilfreich sein. 09
8 5 RÜCKGEWINNUNG UND RESTAURATION VON INFORMATION zunehmende Frequenz Aliasing- Artefakte Abbildung 5.6: Moiré-Muster entstehen durch zu große Abtastintervalle in Abhängigkeit von der Frequenz des aufgenommenen Musters. Nur die konzentrischen Kreise um das Zentrum oben rechts sind tatsächlich in den Daten enthalten. Oben rechts im Bild wo das Bild keine hochfrequenten Anteile aufweist sind keine Moiré-Effekte zu erkennen, während sie mit steigender Frequenz stark zunehmen. Wir haben die Abtastung einer kontinuierlichen Funktion f mit einer Abtastdichte d durch Multiplikation mit einer entsprechenden Impulsfolge δ d als f d = f δ d modelliert. Diese Multiplikation entspricht einer Konvolution mit der fouriertransformierten Impulsfolge D d im Frequenzbereich, d.h. es gilt F d = F*D d. Die Impulsfolge erfüllt zwar nicht die Bedingungen für transformierbare Funktionen, doch kann die Fourier-Transformation durch eine Grenzwertbetrachtung bestimmt werden. Wird die Impulsfolge durch immer schmaler werdende Rechtecke einer Rechteckimpulsfolge angenähert, so ergibt sich, dass auch die fouriertransformierte Impulsfolge wieder eine Impulsfolge ist. Der Abstand zwischen den Impulsen im Frequenzraum beträgt /d, so dass D d = δ /d ist (siehe Abbildung 5.7). f F Abtastung durch Multiplikation Konvolution im Frequenzraum d /d Abtastresultat Aliasing-Frequenzen Repräsentation im Frequenzraum Abbildung 5.7: Abtastung in Orts- und Frequenzraum. Der Multiplikation der Funktion mit der Impulsfolge mit Abstand d zwischen Impulsen im Ortsraum entspricht eine Konvolution mit einer Impulsfolge mit Abstand /d im Frequenzraum. Das führt zur Überlagerung von Kopien der Originalfunktion, welche dann Alias-Effekte verursachen, wenn die Originalfunktion nicht bandbegrenzt ist oder die Bandbegrenzung nicht dem Shannon schen Abtasttheorem genügt. 0
9 5.2 Reduktion von Abtastfehlern Mit dieser Impulsfolge wird F gefaltet. Das Ergebnis ist eine Summe von Kopien der um jeweils /d verschobenen Funktion F. Die Frequenzraumdarstellung der abgetasteten Funktion weicht also von der Originalfunktion ab. Da die Amplituden mit wachsender Frequenz für die meisten Bilder schnell gegen Null gehen, ist diese Veränderung durch die Abtastung nicht immer wahrnehmbar. Weil außerdem nur ein begrenztes Frequenzband im abgetasteten Bild repräsentierbar ist, haben die um Vielfache von /d verschobenen Maxima keinen Einfluss auf das Bild. Gibt es aber im Bild signifikante Anteile mit hoher Frequenz, wie sie z.b. durch ein kräftiges, kleinteiliges, regelmäßiges Muster verursacht werden können, dann kann es zu sichtbaren Veränderungen von Frequenzen kommen. Sie entstehen bei der Abtastung durch Überlappung von verschobenen Kopien von F. Diese Frequenzen werden Alias-Frequenzen genannt (weil sie für etwas posieren, was im Originalbild nicht existiert, siehe Abbildung 5.8) und der Effekt heißt Aliasing-Effekt. tatsächliche Frequenz Aliasing-Frequenz Abtastort Abbildung 5.8: Darstellung der Entstehung des Aliasing-Artefakts. Die Originalfunktion (schwarz, durchgezogen) wird an den blau gekennzeichneten Orten abgetastet. Verbindet man die Funktionswerte an den Abtastorten durch eine Kurve (blau, gestrichelt), so entsteht eine andere Funktion. Diese Funktion wird durch den Betrachter wahrgenommen. Es gibt zwei unterschiedliche Ansätze, Aliasing-Effekte bei der Generierung von Bildern zu vermeiden: Durch Erhöhung der Abtastrate können Überlappungen von Kopien im Frequenzraum vermieden werden, falls die Originalfunktion bandbegrenzt ist. Das heißt, dass höhere Frequenzen als eine vorgegebene Grenzfrequenz nicht vorkommen. 2 Unregelmäßige Abtastabstände verhindern die Wahrnehmbarkeit von periodischen Signalen. Das Vorgehen besteht eigentlich aus einer zweistufigen Abtasthierarchie. Unterhalb eines bestimmten Abstands (der Grenzfrequenz) sind die Abtastorte zufällig verteilt. Oberhalb dieses Abstands ist die Summe der Abtastorte in jedem Intervall gleich. Das führt dazu, dass periodische Signale oberhalb der Grenzfrequenz wahrgenommen werden. Alle Details unterhalb der Grenzfrequenz werden als Rauschen wahrgenommen. Das entspricht der Wahrnehmung durch das Auge (Verteilung der Zellen auf der Netzhaut) oder der Aufnahme mit analogem Film (die Körnung der lichtempfindlichen Pigmente). Auch manche Algorithmen zur Generierung von Bildern (z.b. bestimmte Ray-Tracing-Algorithmen) wenden dieses Prinzip an. Für eine digitale Kamera oder für einen Flachbettscanner ist die zuletzt genannte Lösung leider nicht anwendbar, obwohl sie für die Wahrnehmung die beste Lösung darstellt, denn wahrgenommenes Rauschen ist leichter interpretierbar als der informationsverfälschende Moiré-Effekt. Bei der Konstruktion von Bildern und wir werden im Zusammenhang mit Bildkompression noch einmal darauf zurückkommen kann die Strategie allerdings angewendet werden.
10 5 RÜCKGEWINNUNG UND RESTAURATION VON INFORMATION Für die Abtastung durch die Kamera ist dagegen der erste Weg interessanter. Es stellt sich die Frage, was die geeignete Grenzfrequenz ist. Die Antwort gibt das Shannon sche Abtasttheorem, das aus der Kenntnis der Impulsfunktion im Frequenzraum abgeleitet werden kann. Wenn der Abstand zwischen zwei Impulsen /d ist, überlappen sich zwei Kopien der fouriertransformierten Funktion nicht, wenn für die höchstvorkommende Frequenz f max gilt, dass 2f max < /d ist. Also muss die Abtastrate d mindestens ½ f max sein, um Aliasing-Effekte zu verhindern. Die für die Abtastung eines bandbegrenzten Signals mindestens notwendige Grenzfrequenz heißt Nyquist-Frequenz Transformationen und Interpolation Manchmal, etwa nach geometrischen Transformationen, ist es notwendig, den durch Abtastung verursachten Informationsverlust rückgängig zu machen. Rotation Rot α um den Winkel α im Uhrzeigersinn um den Koordinatenursprung, Translation Tr dx,dy um den Vektor (dx dy) und Skalierung Sc s um s eines Bildpunkts mit Koordinaten (x,y) können wie folgt ausgeführt werden: x cos α sin α x x x+ dx x x Rotα =, Trdx, dy =, Scs = s. y sin α cos α y y y+ dy y y Die Werte in der Matrix sind reell. Eine Transformation ist daher nur möglich, wenn die ganzzahligen Abtastkoordinaten vor der Transformation in reelle Koordinaten umgewandelt werden. Das Resultat sind reelle Koordinaten. Nach der Transformation müsste die Originalfunktion an diesen Orten abgetastet werden. Diese Originalfunktion wird jedoch selten zur Verfügung stehen. So müssen Funktionswerte an beliebigen Orten (x,y) aus der abgetasteten Funktion interpoliert werden. Im einfachsten Fall kann man eine konstante Interpolation vornehmen. Für eine eindimensionale Funktion f(n), die das Abtastergebnis einer reellen Funktion g(x) ist, ist das ( ) ( ) g0( x) = f nx mit nx = argminn x n Das bedeutet, dass für g 0 (x) derjenige Funktionswert f(n) verwendet wird, für den x n minimal ist. Wendet man das Verfahren für zweidimensionale Bilder an, so sollten die Pixelkoordinaten transformiert und anschließend sollte für jeden Abtastort nach dem nächstgelegenen Pixel gesucht werden. Der Wert dieses Pixels sollte übernommen werden. Transformiert man dagegen die Abtastorte, bildet die beiden Koordinaten auf die nächste ganze Zahl ab und schreibt den Pixelwert an diese Stelle, so kann es bei Rotationen dazu kommen, dass an manche Abtastorte keine Pixel abgebildet werden. Das liegt daran, dass die Diagonale eines Pixels größer als seine Seitenlänge ist. Das Ergebnisbild enthält dann schwarze Löcher (siehe Abbildung 5.9).. 2
11 5.2 Reduktion von Abtastfehlern Transformation der Pixel Transformation des Gitters Abbildung 5.9: Falls zur Interpolation nach einer Transformation der Funktionswert des nächsten Nachbarpixels eingetragen wird, dann sollte das Gitter und nicht die Funktion transformiert werden. Sonst kann es geschehen, dass auf einen Gitterpunkt (hervorgehobenes Quadrat im mittleren Bild, kein Funktionswert abgebildet wird. Die konstante Interpolation ist ein schnell berechenbares, einfach zu implementierendes Verfahren. Allerdings muss bedacht werden, dass es einer zweiten Abtastung mit gleicher Abtastfrequenz entspricht. Nach dem Shannon schen Abtasttheorem kann es daher zu Aliasing-Effekten kommen, wenn nicht vorher alle Frequenzen gelöscht werden, die größer als f max /2 sind. Für eine genauere Interpolation kann man die ursprüngliche Funktion, falls sie beliebig häufig differenzierbar war, durch Polynome höheren Grades annähern. Jede solche Funktion lässt sich als eine Taylor-Reihe entwickeln; sie ist also durch alle ihre Ableitungen an einer beliebigen Stelle vollständig beschreibbar. Nun sind zwar Funktionswerte, nicht aber Ableitungen bekannt. Ableitungen werden daher durch Differenzen angenähert. Für die erste Ableitung einer eindimensionalen Funktion, deren in den reellen Definitionsbereich transformierte Werte an den Stellen x 0,x,,x m,,x M definiert sind, entsteht für die Berechnung an der Stelle x zwischen den Orten x m und x m+ eine lineare Interpolationsfunktion x x x x g x f x f x m+ m ( ) = ( ) + ( ) m m+ xm + xm xm + xm Die lineare Interpolation ist weniger anfällig gegenüber Aliasing-Effekten. Durch die Gewichtung werden hohe Frequenzen vor der Abtastung unterdrückt. Wenn die lineare Interpolation für zweidimensionale Bilder durchgeführt werden soll, kann man sich die Separabilität der Operation zunutze machen. Für einen Ort (x,y), der zwischen Pixeln an (x m,y n ), (x m+,y n ), (x m,y n+ ) und (x m+,y n+ ) liegt, werden zunächst Werte an (x m,y) und (x m+,y) interpoliert (siehe Abbildung 5.0): y y y y g x, y f x, y f x, y, n+ n ( ) = ( ) + ( ) m m n m n+ yn + yn yn + yn y y y y g x, y f x, y f x, y. n+ n ( ) = ( ) + ( ) m+ m+ n m+ n+ yn + yn yn + yn. 3
12 5 RÜCKGEWINNUNG UND RESTAURATION VON INFORMATION x,y m n+ x,y n+ x,y m+ n+ x,y x,y m n x,y m+ n Abbildung 5.0: Die bi-lineare Interpolation zwischen Pixeln wird in zwei Schritten ausgeführt: Im ersten Schritt wird entlang der x-richtung interpoliert. Aus diesen Werten wird anschließend der endgültige Wert durch Interpolation in y-richtung berechnet. Anschließend wird aus diesen beiden Werten der Wert für g (x,y) berechnet: x,y n xm + x x xm g ( x, y ) = g ( x, y ) + g ( x, y ). x x x x m m+ m+ m m+ m Anstelle von Polynomen vom Grad kann man auch Polynome höheren Grades benutzen. So werden immer höhere Terme der Taylor-Reihe berücksichtigt und die tatsächliche Funktion wird besser angenähert. Allerdings wird der Fehler der Schätzung der entsprechenden Ableitungen durch Differenzen größer. Man kann sich fragen, ob es eine für die gegebene Information optimale Interpolation gibt. Unter der Annahme, dass das Shannon sche Abtasttheorem erfüllt ist, die abgetastete Funktion also keine höheren Frequenzen enthielt als die Grenzfrequenz, lässt sich diese Frage beantworten. Dann ist nämlich die vollständige Beschreibung der Funktion an jedem Ort durch die Wellen der fouriertransformierten Funktion gegeben. Da im Frequenzraum also alle Frequenzen der kontinuierlichen Funktion repräsentiert sind, bedeutet das für den Funktionswert an einem beliebigen Punkt (x,y): M N ux vy g (, ) (, ) F x y = F u v exp i2π + u= 0 v= 0 M N Bei dieser optimalen Interpolation sollte man allerdings beachten, dass die Funktion f, von der F generiert wurde, in der Regel Rauschen beinhaltet, was ebenfalls mit rekonstruiert wird. Außerdem ist die reelle Funktion selten wirklich bandbegrenzt. Ein gewisses Maß an Aliasing-Artefakten fließt daher ebenfalls mit in die Interpolation ein. Es mag aus diesen Gründen besser sein, eines der einfacheren Interpolationsverfahren zu wählen. Die dort implizit oder explizit vorgesehene Entfernung hoher Frequenzanteile wird wahrscheinlich diejenigen Anteile der Funktion unterdrücken, für die Artefakte die Information überwiegen. 4
13 Copyright Daten, Texte, Design und Grafiken dieses ebooks, sowie die eventuell angebotenen ebook-zusatzdaten sind urheberrechtlich geschützt. Dieses ebook stellen wir lediglich als persönliche Einzelplatz-Lizenz zur Verfügung! Jede andere Verwendung dieses ebooks oder zugehöriger Materialien und Informationen, einschliesslich der Reproduktion, der Weitergabe, des Weitervertriebs, der Platzierung im Internet, in Intranets, in Extranets, der Veränderung, des Weiterverkaufs und der Veröffentlichung bedarf der schriftlichen Genehmigung des Verlags. Insbesondere ist die Entfernung oder Änderung des vom Verlag vergebenen Passwortschutzes ausdrücklich untersagt! Bei Fragen zu diesem Thema wenden Sie sich bitte an: Zusatzdaten Möglicherweise liegt dem gedruckten Buch eine CD-ROM mit Zusatzdaten bei. Die Zurverfügungstellung dieser Daten auf unseren Websites ist eine freiwillige Leistung des Verlags. Der Rechtsweg ist ausgeschlossen. Hinweis Dieses und viele weitere ebooks können Sie rund um die Uhr und legal auf unserer Website herunterladen
Grundlagen der Bildverarbeitung Klaus D. Tönnies
Grundlagen der Bildverarbeitung Klaus D. Tönnies ein Imprint von Pearson Education München Boston San Francisco Harlow, England Don Mills, Ontario Sydney Mexico City Madrid Amsterdam Grundlagen der Bildverarbeitung
MehrGrundzüge der Finanzmathematik
Markus Wessler Grundzüge der Finanzmathematik Higher Education München Harlow Amsterdam Madrid Boston San Francisco Don Mills Mexico City Sydney a part of Pearson plc worldwide Grundzüge der Finanzmathematik
MehrEinführung in die Allgemeine Betriebswirtschaftslehre
Prof. Dr. Thomas Straub Einführung in die Allgemeine Betriebswirtschaftslehre Das Übungsbuch Higher Education München Harlow Amsterdam Madrid Boston San Francisco Don Mills Mexico City Sydney a part of
MehrLineare Algebra. Theo de Jong. Higher Education. a part of Pearson plc worldwide
Theo de Jong Lineare Algebra Higher Education München Harlow Amsterdam Madrid Boston San Francisco Don Mills Mexico City Sydney a part of Pearson plc worldwide Lineare Algebra - PDF Inhaltsverzeichnis
MehrChristian H. Kautz Tutorien zur Elektrotechnik
Christian H. Kautz Tutorien zur Elektrotechnik ein Imprint von Pearson Education München Boston San Francisco Harlow, England Don Mills, Ontario Sydney Mexico City Madrid Amsterdam Tutorien zur Elektrotechnik
MehrGrundlagen des Marketing
Prof. Dr. Ralf Schellhase Prof. Dr. Birgit Franken Stephan Franken Grundlagen des Marketing Das Übungsbuch Higher Education München Harlow Amsterdam Madrid Boston San Francisco Don Mills Mexico City Sydney
MehrStatistik mit SPSS Fallbeispiele und Methoden
Statistik mit SPSS Fallbeispiele und Methoden 2., aktualisierte Auflage Reinhold Hatzinger Herbert Nagel Higher Education München Harlow Amsterdam Madrid Boston San Francisco Don Mills Mexico City Sydney
MehrTutorien zur Physik. In Zusammenarbeit mit der Physics Education Group University of Washington
Lillian C. McDermott Peter S. Shaffer Tutorien zur Physik In Zusammenarbeit mit der Physics Education Group University of Washington Für die deutsche Ausgabe bearbeitet von: Christian H. Kautz Daniel Gloss
MehrObjektorientierte Softwaretechnik
Bernd Brügge, Allen H. Dutoit Objektorientierte Softwaretechnik mit UML, Entwurfsmustern und Java ein Imprint von Pearson Education München Boston San Francisco Harlow, England Don Mills, Ontario Sydney
MehrTechnische Fotografie Für Naturwissenschaftlicher, Mediziner und Ingenieure
Richard Zierl Technische Fotografie Für Naturwissenschaftlicher, Mediziner und Ingenieure ein Imprint von Pearson Education München Boston San Francisco Harlow, England Don Mills, Ontario Sydney Mexico
MehrProgrammieren mit Java
Reinhard Schiedermeier Programmieren mit Java 2., aktualisierte Auflage ein Imprint von Pearson Education München Boston San Francisco Harlow, England Don Mills, Ontario Sydney Mexico City Madrid Amsterdam
MehrGrundzüge der Finanzmathematik
Markus Wessler Grundzüge der Finanzmathematik Das Übungsbuch Higher Education München Harlow Amsterdam Madrid Boston San Francisco Don Mills Mexico City Sydney a part of Pearson plc worldwide 2 Zinsrechnung
MehrBildpunkt auf dem Gitter: Pixel (picture element) (manchmal auch Pel)
4. Digitalisierung und Bildoperationen 4.1 Digitalisierung (Sampling, Abtastung) Rasterung auf 2D-Bildmatrix mathematisch: Abb. einer 2-dim. Bildfunktion mit kontinuierlichem Definitionsbereich auf digitales
MehrBevor wir richtig anfangen... 8
Statistik macchiato Inhalt Vorwort Bevor wir richtig anfangen... 8 Beschreibung von Daten Ordnung ist das halbe Leben... 16 Häufigkeitstabellen... 19 Häufigkeitsverteilungen... 19 Mittelwert (arithmetisches
MehrComputergraphik 1 2. Teil: Bildverarbeitung. Fouriertransformation Ende FFT, Bildrestauration mit PSF Transformation, Interpolation
Computergraphik 1 2. Teil: Bildverarbeitung Fouriertransformation Ende FFT, Bildrestauration mit PSF Transformation, Interpolation LMU München Medieninformatik Butz/Hoppe Computergrafik 1 SS2009 1 2 Repräsentation
MehrChristian H. Kautz Tutorien zur Elektrotechnik
Christian H. Kautz Tutorien zur Elektrotechnik ein Imprint von Pearson Education München Boston San Francisco Harlow, England Don Mills, Ontario Sydney Mexico City Madrid Amsterdam ÜBUNG LADEN UND ENTLADEN
MehrStatistik für Psychologen
Peter Zöfel Statistik für Psychologen Im Klartext Higher Education München Harlow Amsterdam Madrid Boston San Francisco Don Mills Mexico City Sydney a part of Pearson plc worldwide Statistik für Psychologen
MehrControlling. Das Übungsbuch. Bernd Britzelmaier
Controlling Das Übungsbuch Bernd Britzelmaier Controlling - Das Übungsbuch - PDF Inhaltsverzeichnis Controlling Inhaltsverzeichnis Vorwort 7 Kapitel 1 -Controlling und Controller 9 10 1.1 Controlling und
MehrMathematik für Wirtschaftswissenschaftler
Fred Böker Mathematik für Wirtschaftswissenschaftler Basiswissen mit Praxisbezug Das Übungsbuch ein Imprint von Pearson Education München Boston San Francisco Harlow, England Don Mills, Ontario Sydney
MehrGrundlagen, Praxis, Handlungsfelder
Prof. Dr. Bernd Britzelmaier Controlling Grundlagen, Praxis, Handlungsfelder Higher Education München Harlow Amsterdam Madrid Boston San Francisco Don Mills Mexico City Sydney a part of Pearson plc worldwide
MehrGrundlagen der Finanzwirtschaft
Jonathan Berk Peter DeMarzo Grundlagen der Finanzwirtschaft Das Übungsbuch Fachliche Betreuung der deutschen Übersetzung durch Prof. Dr. Gregor Dorfleiter und Prof. Dr. Hermann Locarek-Junge Higher Education
MehrKapitel 7 Der Übergang zu den zeitabhängigen Stromund Spannungsformen 15
Vorwort zur 1. Auflage 11 Vorwort zur 2. Auflage 13 Kapitel 7 Der Übergang zu den zeitabhängigen Stromund Spannungsformen 15 7.1 Vorbetrachtungen............................................ 16 7.2 Modellbildung..............................................
MehrÜbungen zur Makroökonomie
Josef Forster Ulrich Klüh Stephan Sauer Übungen zur Makroökonomie 3., aktualisierte Auflage ein Imprint von Pearson Education München Boston San Francisco Harlow, England Don Mills, Ontario Sydney Mexico
MehrInternationale Unternehmensbewertung
Internationale Unternehmensbewertung Prof. Dr. Dr. Dietmar Ernst Thorsten Amann Michael Großmann Dietlinde Flavia Lump Internationale Unternehmensbewertung Ein Praxisleitfaden Higher Education München
MehrGrundlagen Elektrotechnik Netzwerke
Grundlagen Elektrotechnik Netzwerke 2., aktualisierte Auflage Lorenz-Peter Schmidt Gerd Schaller Siegfried Martius Grundlagen Elektrotechnik - Netzwerke - PDF Inhaltsverzeichnis Grundlagen Elektrotechnik
MehrGraphische Datenverarbeitung und Bildverarbeitung
Graphische Datenverarbeitung und Bildverarbeitung Hochschule Niederrhein Fourier-Transformation Graphische DV und BV, Regina Pohle, 8. Fourier-Transformation 1 Einordnung in die Inhalte der Vorlesung Einführung
MehrDas Informatik-Kochstudio Sortieren Alltagsalgorithmen Komplexe Algorithmen... 55
Inhalt Vorwort... 9 Binäre Codierung 0 oder 1 der kleine Unterschied... 14 Das Prinzip der digitalen Tonaufzeichnung... 16 Binäre Codierung... 18 Wiedergabequalität und Datenmengen... 21 Digitale Codierung
MehrBildverarbeitung: 3D-Geometrie. D. Schlesinger () Bildverarbeitung: 3D-Geometrie 1 / 13
Bildverarbeitung: 3D-Geometrie D. Schlesinger () Bildverarbeitung: 3D-Geometrie 1 / 13 Lochkamera Modell C Projektionszentrum, Optische Achse, Bildebene, P Hauptpunkt (optische Achse kreuzt die Bildebene),
MehrVorwort Nicht ohne meine Einheit! Die Grundgrößen Mit den Größen rechnen... 52
Physik macchiato Inhalt Bevor wir richtig anfangen... 9 Vorwort... 9 Teil I: Die wichtigsten Grundbegriffe... 17 Energische Einstiege Energie und Arbeit Wer hat, der kann... 19 Energie in verschiedenen
MehrStart mit dem Notebook
Start mit dem Notebook Sehen und Können CAROLINE BUTZ Dateiablage: Wie & wo speichere ich meine Arbeit? 87 Sollte das mit dem Doppelklick nicht funktionieren, starten Sie WordPad über Start/ Word Pad oder
MehrInhaltsverzeichnis. Teil I Übungsaufgaben 1. Vorwort...
Vorwort... vii Teil I Übungsaufgaben 1 1 Einführung: Schlüsselthemen der Biologie... 3 2 Chemische Grundlagen der Biologie... 7 3 Wasser als Grundstoff für Leben... 11 4 KohlenstoffunddiemolekulareVielfaltdesLebens...
MehrMathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016
und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 5. Juni 2016 Definition 5.21 Ist a R, a > 0 und a 1, so bezeichnet man die Umkehrfunktion der Exponentialfunktion x a x als
MehrKOSTEN- UND LEISTUNGSRECHNUNG
Peter Schäfer Illustriert von Michael Holtschulte KOSTEN- UND LEISTUNGSRECHNUNG CartoonKURS für (Berufs-)Schüler und Studenten Inhalt Bevor wir richtig anfangen...... 5 Vorwort... 6 Wozu wird eine Kosten-
MehrLösbarkeit linearer Gleichungssysteme
Lösbarkeit linearer Gleichungssysteme Lineares Gleichungssystem: Ax b, A R m n, x R n, b R m L R m R n Lx Ax Bemerkung b 0 R m Das Gleichungssystem heißt homogen a A0 0 Das LGS ist stets lösbar b Wenn
Mehr»Wie mach ich das«titelei_inhalt.indd :44:28
»Wie mach ich das« Bibliografische Information Der Deutschen Nationalbibliothek Die Deutsche Nationalbibliothek verzeichnet diese Publikation in der Deutschen Nationalbibliografie; detaillierte bibliografische
MehrEinführung in die medizinische Bildverarbeitung WS 12/13
Einführung in die medizinische Bildverarbeitung WS 12/13 Stephan Gimbel Kurze Wiederholung Pipeline Pipelinestufen können sich unterscheiden, beinhalten aber i.d.r. eine Stufe zur Bildvorverarbeitung zur
MehrOrdnung ist das halbe Leben Wesen der Buchführung Aufgaben der Buchführung Arten des Rechnungswesens... 22
Inhalt Bevor wir richtig anfangen...... 9 Vorwort... 11 Aufgaben und Arten der Buchführung Ordnung ist das halbe Leben... 14 Wesen der Buchführung... 16 Aufgaben der Buchführung... 18 Arten des Rechnungswesens...
MehrMathematik für Wirtschaftswissenschaftler
Fred Böker Mathematik für Wirtschaftswissenschaftler Das Übungsbuch 2., aktualisierte Auflage Higher Education München Harlow Amsterdam Madrid Boston San Francisco Don Mills Mexico City Sydney a part of
MehrProjektion. Ebene geometrische Projektionen
Projektion - 1 - Ebene geometrische Projektionen Die ebenen geometrischen Projektionen sind dadurch charakterisiert, daß mit Projektionsstrahlen konstanter Richtung, d.h. entlang von Geraden, auf Ebenen
MehrComputergrafik 2: Filtern im Frequenzraum
Computergrafik 2: Filtern im Frequenzraum Prof. Dr. Michael Rohs, Dipl.-Inform. Sven Kratz michael.rohs@ifi.lmu.de MHCI Lab, LMU München Folien teilweise von Andreas Butz, sowie von Klaus D. Tönnies (Grundlagen
MehrBildverarbeitung: Filterung. D. Schlesinger () Bildverarbeitung: Filterung 1 / 17
Bildverarbeitung: Filterung D. Schlesinger () Bildverarbeitung: Filterung 1 / 17 Allgemeines Klassische Anwendung: Entrauschung (Fast) jeder Filter basiert auf einem Modell (Annahme): Signal + Rauschen
MehrElektrotechnik. Aufgabensammlung mit Lösungen. Manfred Albach Janina Fischer
Elektrotechnik Aufgabensammlung mit Lösungen Manfred Albach Janina Fischer Higher Education München Harlow Amsterdam Madrid Boston San Francisco Don Mills Mexico City Sydney a part of Pearson plc worldwide
MehrKreis - Tangente. 2. Vorbemerkung: Satz des Thales Eine Möglichkeit zur Bestimmung der Tangente benutzt den Satz des Thales.
Kreis - Tangente 1. Allgemeines 2. Satz des Thales 3. Tangente an einem Punkt auf dem Kreis 4. Tangente über Analysis (an einem Punkt eines Ursprungkreises) 5. Tangente von einem Punkt (Pol) an den Kreis
MehrElektrotechnik. Aufgabensammlung mit Lösungen. Manfred Albach Janina Fischer
Elektrotechnik Aufgabensammlung mit en Manfred Albach Janina Fischer Higher Education München Harlow Amsterdam Madrid Boston San Francisco Don Mills Mexico City Sydney a part of Pearson plc worldwide 3
MehrHTML Spielend gelingt die Website
HTML HTML Spielend gelingt die Website TOBIAS HAUSER CHRISTIAN WENZ Bibliografische Information der Deutschen Nationalbibliothek Die Deutsche Nationalbibliothek verzeichnet diese Publikation in der Deutschen
MehrGrundzüge der Beschaffung, Produktion und Logistik
Sebastian Kummer (Hrsg.) Oskar Grün Werner Jammernegg Grundzüge der Beschaffung, Produktion und Logistik Das Übungsbuch ein Imprint von Pearson Education München Boston San Francisco Harlow, England Don
Mehr2. Digitale Codierung und Übertragung
2. Digitale Codierung und Übertragung 2.1 Informationstheoretische Grundlagen 2.2 Speicherbedarf und Kompression 2.3 Digitalisierung Ludwig-Maximilians-Universität München Prof. Hußmann Digitale Medien
MehrDigitale Signalverarbeitung Bernd Edler
Digitale Signalverarbeitung Bernd Edler Wintersemester 2008/2009 Wesentliche Inhalte der Vorlesung Abtastung z-transformation Lineare zeitinvariante Systeme Diskrete Fouriertransformation Systeme bei stochastischer
MehrErfolgreich studieren
Sascha Spoun Erfolgreich studieren 2., aktualisierte Auflage Erfolgreich studieren - PDF Inhaltsverzeichnis Erfolgreich studieren Inhaltsübersicht Inhaltsverzeichnis Vorwort Kapitel 1 Leben und lernen
MehrOutlook Sehen und Können CAROLINE BUTZ
Outlook 2010 Sehen und Können CAROLINE BUTZ Outlook 2010 - PDF Inhaltsverzeichnis Outlook 2010 - Bild für Bild Vorwort Inhaltsverzeichnis 1 Der erste Start von Outlook 2 E-Mail versenden und empfangen
MehrÜbungsblatt 1 Geometrische und Technische Optik WS 2012/2013
Übungsblatt 1 Geometrische und Technische Optik WS 2012/2013 Gegeben ist eine GRIN-Linse oder Glasaser) mit olgender Brechzahlverteilung: 2 2 n x, y, z n0 n1 x y Die Einheiten der Konstanten bzw. n 1 sind
MehrMathematik für das Ingenieurstudium
Mathematik für das Ingenieurstudium von Martin Stämpfle, Jürgen Koch 2., aktual. Aufl. Hanser München 2012 Verlag C.H. Beck im Internet: www.beck.de ISBN 978 3 446 43232 1 Zu Inhaltsverzeichnis schnell
MehrEinleitung 2. 1 Koordinatensysteme 2. 2 Lineare Abbildungen 4. 3 Literaturverzeichnis 7
Sonja Hunscha - Koordinatensysteme 1 Inhalt Einleitung 2 1 Koordinatensysteme 2 1.1 Kartesisches Koordinatensystem 2 1.2 Polarkoordinaten 3 1.3 Zusammenhang zwischen kartesischen und Polarkoordinaten 3
MehrWissenschaftlich mit Word arbeiten
Wissenschaftlich mit Word arbeiten 2. Auflage ein Imprint von Pearson Education München Boston San Francisco Harlow, England Don Mills, Ontario Sydney Mexico City Madrid Amsterdam Wissenschaftlich mit
Mehr1 Picasa herunterladen & installieren 11
Willkommen 9 1 Picasa herunterladen & installieren 11 Das Picasa-Installationspaket herunterladen 11 Picasa auf Ihrem Computer installieren 13 Überprüfen Sie Ihre Dateiverknüpfungen 16 Picasa offline und
Mehr( ) Dann gilt f(x) g(x) in der Nähe von x 0, das heisst. Für den Fehler r(h) dieser Näherung erhält man unter Verwendung von ( )
64 Die Tangente in x 0 eignet sich also als lokale (lineare) Näherung der Funktion in der Nähe des Punktes P. Oder gibt es eine noch besser approximierende Gerade? Satz 4.9 Unter allen Geraden durch den
MehrDistributed Algorithms. Image and Video Processing
Chapter 7 High Dynamic Range (HDR) Distributed Algorithms for Quelle: wikipedia.org 2 1 High Dynamic Range bezeichnet ein hohes Kontrastverhältnis in einem Bild Kontrastverhältnis bei digitalem Bild: 1.000:1
Mehr5 Interpolation und Approximation
5 Interpolation und Approximation Problemstellung: Es soll eine Funktion f(x) approximiert werden, von der die Funktionswerte nur an diskreten Stellen bekannt sind. 5. Das Interpolationspolynom y y = P(x)
MehrComputergrafik Sommersemester 2004 Übungen
Sommersemester 4 Freiwillige Zusatzübung Aufgabe 6: Transformationen im zweidimensionalen aum Berechnen Sie die Transformationsmatri, die eine Szene zuerst um 3 Grad um den Ursprung dreht und anschließend
Mehr3.3 Das Abtasttheorem
17 3.3 Das Abtasttheorem In der Praxis kennt man von einer zeitabhängigen Funktion f einem Signal meist nur diskret abgetastete Werte fn, mit festem > und ganzzahligem n. Unter welchen Bedingungen kann
Mehr1.3 Berechnen Sie die Koordinaten der Wendepunkte des Schaubildes der Funktion f mit f( x) x 6x 13
Musteraufgaben ab 08 Pflichtteil Aufgabe Seite / BEISPIEL A. Geben Sie Lage und Art der Nullstellen der Funktion f mit f( x) ( x ) ( x ) ; x IR an.. Bestimmen Sie die Gleichung der Tangente in P( f ())
MehrMathematik für Wirtschaftswissenschaftler
Mathematik für Wirtschaftswissenschaftler Basiswissen mit Praxisbezug 4., aktualisierte und erweiterte Auflage Knut Sydsæter Peter Hammond mit Arne Strøm Übersetzt und fachlektoriert durch Dr. Fred Böker
MehrLineare Abbildungen (Teschl/Teschl 10.3, 11.2)
Lineare Abbildungen (Teschl/Teschl.3,.2 Eine lineare Abbildung ist eine Abbildung zwischen zwei Vektorräumen, die mit den Vektoroperationen Addition und Multiplikation mit Skalaren verträglich ist. Formal:
Mehrgeschlossene Schachtel mit einem kleinen Loch
Kameramodellierung Lochkamera Kamerakonstante Kamerazentrum geschlossene Schachtel mit einem kleinen Loch ideale Kamera: Loch hat keine Ausdehnung die Strahlen sind ein Büschel von Geraden Abbildung erfolgt
MehrTutorium Mathematik II, M Lösungen
Tutorium Mathematik II, M Lösungen 7. Juni 201 *Aufgabe 1. Gegeben seien fx, y = xy 2 8e x+y und P = 1, 2. Der Gradient von f ist genau an der Stelle P Null. a Untersuchen Sie mit Hilfe der Hesse-Matrix,
MehrMathematik II Frühjahrssemester 2013
Mathematik II Frühjahrssemester 213 Prof. Dr. Erich Walter Farkas Kapitel 7: Lineare Algebra Kapitel 7.5: Eigenwerte und Eigenvektoren einer quadratischen Matrix Prof. Dr. Erich Walter Farkas Mathematik
MehrAccess leicht klar sofort. Ignatz Schels
Access 2010 leicht klar sofort Ignatz Schels Access 2010 - PDF Inhaltsverzeichnis Access 2010 Inhaltsverzeichnis Liebe Leserin, lieber Leser Die Tastatur Navigationstasten Schreibmaschinen-Tastenblock
Mehr(7) Normal Mapping. Vorlesung Computergraphik II S. Müller. Dank an Stefan Rilling U N I V E R S I T Ä T KOBLENZ LANDAU
(7) Normal Mapping Vorlesung Computergraphik II S. Müller Dank an Stefan Rilling Einleitung Die Welt ist voller Details Viele Details treten in Form von Oberflächendetails auf S. Müller - 3 - Darstellung
Mehrentspricht der Länge des Vektorpfeils. Im R 2 : x =
Norm (oder Betrag) eines Vektors im R n entspricht der Länge des Vektorpfeils. ( ) Im R : x = x = x + x nach Pythagoras. Allgemein im R n : x x = x + x +... + x n. Beispiele ( ) =, ( 4 ) = 5, =, 4 = 0.
Mehr( ) sind. Für einen einzelnen. ( ) berechnet werden: ( )
23 4 Abbildungen von Funktionsgraphen Der Graph zu einer gegebenen Funktion f ist die Menge aller ( ) sind. Für einen einzelnen Punkte, deren Koordinaten ; f () Punkt des Graphen gibt man einen Wert aus
MehrTechnische Universität München Zentrum Mathematik. Übungsblatt 11
Technische Universität München Zentrum Mathematik Mathematik Elektrotechnik Prof. Dr. Anusch Taraz Dr. Michael Ritter Übungsblatt 11 Hausaufgaben Aufgabe 11.1 Berechnen Sie jeweils die Jacobi-Matrix folgender
Mehr- Sei r(x,y) Eingangsbild, dass nur Rauschen (Quantenrauschen) enthält.
Eingang System Ausgang - Sei r(x,y) Eingangsbild, dass nur (Quantenrauschen) enthält. - Das Bild enthalte keinerlei Information, d.h. das Spektrum ist weiß und es gibt keine Korrelationen zwischen den
Mehr5. Gitter, Gradienten, Interpolation Gitter. (Rezk-Salama, o.j.)
5. Gitter, Gradienten, Interpolation 5.1. Gitter (Rezk-Salama, o.j.) Gitterklassifikation: (Bartz 2005) (Rezk-Salama, o.j.) (Bartz 2005) (Rezk-Salama, o.j.) Allgemeine Gitterstrukturen: (Rezk-Salama, o.j.)
MehrÜbungsblatt 04 Grundkurs IIIa für Physiker, Wirtschaftsphysiker und Physik Lehramt
Übungsblatt 4 Grundkurs IIIa für Physiker, Wirtschaftsphysiker und Physik Lehramt Othmar Marti, (othmar.marti@physik.uni-ulm.de) 17., 23. und 24. 6. 23 1 Aufgaben Das Fermatsche Prinzip 1, Polarisation
MehrTechnische Universität München Fakultät für Informatik
Technische Universität München Fakultät für Informatik Forschungs- und Lehreinheit Informatik IX Proseminar: Grundlagen Bildverarbeitung/Bildverstehen Rückgewinnung/Restauration von Informationen Markus
Mehr2.3.4 Drehungen in drei Dimensionen
2.3.4 Drehungen in drei Dimensionen Wir verallgemeinern die bisherigen Betrachtungen nun auf den dreidimensionalen Fall. Für Drehungen des Koordinatensystems um die Koordinatenachsen ergibt sich 1 x 1
MehrKapitel 2: Mathematische Grundlagen
[ Computeranimation ] Kapitel 2: Mathematische Grundlagen Prof. Dr. Stefan M. Grünvogel stefan.gruenvogel@fh-koeln.de Institut für Medien- und Phototechnik Fachhochschule Köln 2. Mathematische Grundlagen
MehrGrundlagen der Elektrotechnik 2
Manfred Albach Grundlagen der Elektrotechnik 2 Periodische und nicht periodische Signalformen 2., aktualisierte Auflage Grundlagen der Elektrotechnik 2 - PDF Inhaltsverzeichnis Grundlagen der Elektrotechnik
MehrBrückenkurs Mathematik. Mittwoch Freitag
Brückenkurs Mathematik Mittwoch 5.10. - Freitag 14.10.2016 Vorlesung 4 Dreiecke, Vektoren, Matrizen, lineare Gleichungssysteme Kai Rothe Technische Universität Hamburg-Harburg Montag 10.10.2016 0 Brückenkurs
MehrKOMPETENZHEFT ZUR TRIGONOMETRIE, II
KOMPETENZHEFT ZUR TRIGONOMETRIE, II 1. Aufgabenstellungen Aufgabe 1.1. Bestimme alle Winkel in [0 ; 360 ], die Lösungen der gegebenen Gleichung sind, und zeichne sie am Einheitskreis ein. 1) sin(α) = 0,4
MehrÜbungen zur Experimentalphysik 3
Übungen zur Experimentalphysik 3 Prof. Dr. L. Oberauer Wintersemester 2010/2011 5. Übungsblatt - 22.November 2010 Musterlösung Franziska Konitzer (franziska.konitzer@tum.de) Aufgabe 1 ( ) (8 Punkte) Ein
MehrMathematik II Frühlingsemester 2015 Kapitel 8: Lineare Algebra 8.5 Eigenwerte und Eigenvektoren
Mathematik II Frühlingsemester 215 Kapitel 8: Lineare Algebra 8.5 Eigenwerte und Eigenvektoren www.math.ethz.ch/education/bachelor/lectures/fs215/other/mathematik2 biol Prof. Dr. Erich Walter Farkas http://www.math.ethz.ch/
MehrSerie 3. z = f(x, y) = 9 (x 2) 2 (y 3) 2 z 2 = 9 (x 2) 2 (y 3) 2, z 0 9 = (x 2) 2 + (y 3) 2 + z 2, z 0.
Analysis D-BAUG Dr Cornelia Busch FS 2016 Serie 3 1 a) Zeigen Sie, dass der Graph von f(x, y) = 9 (x 2) 2 (y 3) 2 eine Halbkugel beschreibt und bestimmen Sie ihren Radius und ihr Zentrum z = f(x, y) =
MehrBeate Meffert, Olaf Hochmuth: Werkzeuge der Signalverarbeitung, Pearson 2004
4 Signalverarbeitung 4.1! Grundbegriffe! 4.2! Frequenzspektren, Fourier-Transformation! 4.3! Abtasttheorem: Eine zweite Sicht Weiterführende Literatur (z.b.):!! Beate Meffert, Olaf Hochmuth: Werkzeuge
MehrLokale Beleuchtungsmodelle
Lokale Beleuchtungsmodelle Oliver Deussen Lokale Modelle 1 Farbschattierung der Oberflächen abhängig von: Position, Orientierung und Charakteristik der Oberfläche Lichtquelle Vorgehensweise: 1. Modell
MehrMathematik für Ingenieure
A. Hoffmann B. Marx W. Vogt Mathematik für Ingenieure Lineare Algebra, Analysis Theorie und Numerik 1. Auflage ein Imprint von Pearson Education München Boston San Francisco Harlow, England Don Mills,
MehrStatistik für Psychologen und Sozialwissenschaftler
Markus Bühner Matthias Ziegler Statistik für Psychologen und Sozialwissenschaftler Mit über 480 Abbildungen Ein Imprint von Pearson Education München Boston San Francisco Harlow, England Don Mills, Ontario
MehrErfüllt eine Funktion f für eine feste positive Zahl p und sämtliche Werte t des Definitionsbereichs die Gleichung
34 Schwingungen Im Zusammenhang mit Polardarstellungen trifft man häufig auf Funktionen, die Schwingungen beschreiben und deshalb für den Ingenieur von besonderer Wichtigkeit sind Fast alle in der Praxis
MehrTheoretische Physik 1, Mechanik
Theoretische Physik 1, Mechanik Harald Friedrich, Technische Universität München Sommersemester 2009 Mathematische Ergänzungen Vektoren und Tensoren Partielle Ableitungen, Nabla-Operator Physikalische
Mehr3 Abbildungen von Funktionsgraphen
32 3 Abbildungen von Funktionsgraphen In Kapitel 1 dieses Workshops haben wir uns mit der Transformation von geometrischen Figuren im Achsenkreuz beschäftigt: mit Verschiebungen, Spiegelungen, Achsenstreckungen
MehrAufgaben zur Übung der Anwendung von GeoGebra
Aufgabe 1 Aufgaben zur Übung der Anwendung von GeoGebra Konstruieren Sie ein Quadrat ABCD mit der Seitenlänge AB = 6,4 cm. Aufgabe 2 Konstruieren Sie ein Dreieck ABC mit den Seitenlängen AB = c = 6,4 cm,
MehrMathematische Grundlagen
Mathematische Grundlagen Oliver Deussen Mathematische Grundlagen 1 Affine Räume um Zeichenebene bzw. Raum zu beschreiben, muß vorher ein Koordinatensystem festgelegt werden durch geometrische Fragestellungen
MehrISBN (Buch) ; (pdf) ; (epub)
Bibliografische Information der Deutschen Nationalbibliothek Die Deutsche Nationalbibliothek verzeichnet diese Publikation in der Deutschen Nationalbibliografie; detaillierte bibliografische Daten sind
MehrAgiles Produktmanagement mit Scrum
Roman Pichler Agiles Produktmanagement mit Scrum An imprint of Pearson München Boston San Francisco Harlow, England Don Mills, Ontario Sydney Mexico City Madrid Amsterdam Agiles Produktmanagement mit Scrum
MehrComputergrafik 1 Beleuchtung
Computergrafik 1 Beleuchtung Kai Köchy Sommersemester 2010 Beuth Hochschule für Technik Berlin Überblick Lokale Beleuchtungsmodelle Ambiente Beleuchtung Diffuse Beleuchtung (Lambert) Spiegelnde Beleuchtung
MehrInterpolation, lineare Gleichungen (mit und ohne Lösungen) und lineare Regression
Interpolation, lineare Gleichungen (mit und ohne Lösungen) und lineare Regression Franz Pauer Institut für Mathematik, Universität Innsbruck Technikerstr. 13/7, A-6020 Innsbruck, Österreich franz.pauer@uibk.ac.at
MehrDigitalisierung. Vorlesung FH-Hagenberg DSB
Digitalisierung Vorlesung FH-Hagenberg DSB Abbildungssysteme Camera obscura einfachstes Abbildungssystem bekannt seit dem Altertum Licht fällt durch eine Lochblende in das Innere einer abgedunkelten Kammer
MehrMathe macchiato Analysis
Mathe macchiato Analysis Inhalt Bevor wir richtig anfangen...... 9 Vorwort... 11 Teil I: Differenzialrechnung... 19 Einblick ins unendlich Kleine Der Start Die Grenze überschreiten... 21 Die Ableitung
MehrMusterlösung 7 Lineare Algebra für die Naturwissenschaften
Musterlösung 7 Lineare Algebra für die Naturwissenschaften Aufgabe Entscheiden Sie, ob folgende Abbildungen linear sind, und geben sie für die linearen Abbildungen eine Matrixdarstellung (in einer Basis
Mehr